的任务分配、流量调度和数据传输安排，满足用户多样化的应用需求， 确保业务的高效运行。 8 图 3-3 总分调度-算网调度操作与协同调度 3.2 分总调度架构 3.2.1 背景描述 在算力资源池的生态中，具有自治能力的算网资源以其独立的运 维、管理、结算系统为依托，在接入整体算力资源池后，如同一个个 充满活力的“小生态”，在保持自身业务独立性和创新性的同时，积 极寻求与外部资源的协同合作。这些算网资源期望借助自身的业务入 2.2 目标效果 一方面，算力使用者通过算网协同调度平台总入口，能够像在总 分调度场景中一样，实现对系统内所有算网资源的无差别调度使用， 享受统一、便捷的资源服务。另一方面，算力使用者还可以通过自治 系统业务入口，同样实现对其他系统内所有算网资源的无差别调度使 用。这一创新模式为用户提供了更多的选择和灵活性，满足了不同用 ●户在不同场景下的多样化需求 ，进一步提升了用户的使用体验和满意 确保业务的稳定、高效运行。 需要注意的是，由于需要算网协同调度平台对用户自治系统内部 署的应用和算网协同调度平台调度部署的应用之间进行互相访问的 ● 流量调度，或者是需要算网协同调度平台对用户自治系统内部署的应 用副本和算网协同调度平台调度部署的应用副本间对终端用户的访 问请求做负载分担处理，所以需要在调度请求中携带自治系统中部署 的推理应用信息如<应用 ID、位置、域名、IP 地址>等。

....... 8 2.2.1 意图驱动的算网融合 ..................................................... 9 2.2.2 算网全流程闭环自治 ................................................... 10 2.2.3 网-算-智协同自适演进 ....................... 维难度、算网资源协 同调度等诸多挑战。通过引入 AI（Artifical Intelligence）技术加快算 网智能化已经成为发展趋势和行业共识。新一代智能算力网络正以实 现“L5 等级”的自治为目标进行演进发展。 服务生成算力网络旨在以网络为基础、算力为载体、智能为核心， 通过多要素融合来实现，是利用 AI 技术来使能算网深度融合与智能 服务的新范式，也是算力网络智能化演进的终极目标。服务生成算力 能够快速识别新业务，使用智能的交互方法来全面洞察用户意图，在 实现资源高效利用的同时保障极致的客户体验。算网使用者仅需简单 的操作，便可获取最优的服务。同时，对于算力网络本身来说，AI 技 术将赋予其高度的智能水平与自治能力，能够以高级智能体的身份完 成与用户交互、分析决策、在线优化等活动，并通过自主学习实现自 身智能与能力的持续升级演进。 图 1-1 AI 技术开启算网应用新范式 第九届未来网络发展大会白皮书

村发展研究所撰写《CMG 乡村 振兴观察报告（2023-2024）》。 中国社会科学院农村发展研究所 始终关注乡村振兴战略实施进 程，2024 年开展了中国乡村振 兴综合调查第三轮追踪调查，覆 盖 14 个省（自治区）、472 个 行政村、5824个家庭样本和2.33 万个人样本。作为涉农宣传“国 家队”和“主力军”，总台农业农村节目中心一直持续跟踪报道、深入挖掘乡村振兴的生动实 践和典型案例。2024 ………………75 推荐单位 ：内蒙古自治区乌审旗无定河镇人民政府 三江侗族自治县“四个一批”锻造茶产业核心竞争力………………………………………………………76 推荐单位 ：广西壮族自治区柳州市三江侗族自治县人民政府 小小牛腩粉 振兴大产业………………………………………………………………………………………76 推荐单位 ：广西壮族自治区玉州区农业农村局 盐池县滩羊集团全产业链融合发展 推荐单位 ：宁夏回族自治区农业农村厅 优结构 扩面积 攻单产 提产能——打造“塞上粮仓”让中国饭碗装更多新疆粮………………………77 推荐单位 ：新疆维吾尔自治区农业农村厅种植业管理局 3 CMG 乡村振兴观察报告 2023-2024 坚持绿色发展 加快畜牧业转型升级…………………………………………………………………………78 推荐单位 ：新疆维吾尔自治区阿勒泰地区农业农村局

力度量 体系（涵盖 CPU、GPU、内存、网络等指标），将分散的边缘节点转 化为可统一调度的“虚拟算力池”，提升资源利用效率。同时，边缘 算力节点的“弱网、单通”等网络特性，也要求系统具备离线自治、 断点续传等能力，以适应产业现场的复杂网络环境。 在跨行业应用支撑层面，不同行业对边缘算力的需求差异显著， 推动调度系统向“场景化、定制化”方向发展。例如，工业互联网场 景中，智能制造需要 上层调度指令下发至各域控制单元，进行各域算力池状态实时协商与 协调分配与聚合处理，完成在不同地域、不同算力域内灵活编排与布 署，实现运行中任务和数据的动态迁移与无缝切换。该层通过全局视 26 角与局部自治的有机结合，有效提升系统的调度效率、负载均衡能力 与故障自愈性能。 （5）安全保障层 安全保障层构建全链路、纵深式的安全防护体系，覆盖从终端接 入、数据传输到任务执行的各关键环节。包括份认证、访问控制、数 支撑技术，面向大规模、异构化、多域协同的算力资源环境，致力于 实现算力资源的全面感知、智能决策与高效调度。该技术面向算力泛 在部署、需求多元涌现的发展趋势，突破传统集中式资源调度的局限， 构建了具有层次性、自治性与协同性的资源感知与调度架构，可对分 布在云、边、端不同层级、不同地域的算力节点进行精细化建模、动 态化评估与灵活化编排，有效提升资源使用效率与业务响应能力。本 章以典型业务场景为切入点，展示分布式算力感知与调度技术在赋能

的主要技术特征 技术方面 Web3 技术特征 核心技术 区块链技术、加密货币等 数据存储 去中心化 交互方式 用户通过加密钱包自主控制 典型应用 去中心化金融 DeFi、不可替代货币 NFT、去中心化自治组织 DAO 侧重点 去中心化、安全性 2. 实现思路 Web3 的技术实现路径采用分层架构设计，各层协同构建去中心化网络生态。 在基础层，区块链网络（如以太坊、Solana）通过分布式账本技术建立不可篡 "自主数字代理"，使个体成为协作网络的核心节点；依托 DAO（去中心化 自治组织）与 AI Agent 构建去平台化协作生态，重塑价值分配机制。​ 去平台化协作与用户主权控制的典型应用场景包括：  去中心化招聘系统中，求职者可自主管理可验证数字凭证（Verifiable Credentials）并选择性披露给雇主；  知识技能市场通过智能合约实现点对点价值交换；  去中心化自治组织（DAO）中，成员通过链上治理参与社区规则制定等。 配置独立数字身份与属性数据集，记录其连接关系与行为日志；基于语义化协议 实现智能体间的自动交互与任务协同；利用不可篡改的分布式账本对 Agent 行 为进行全程登记与审计。​ AI 智能体的自治协同场景包括：智慧城市中，交通、能源等领域的智能体 可实现跨系统协同调度；AI 法律助理通过标准化协议完成证据核验与条款比对； 科研领域的智能体集群能基于标准化数据接口协同开展数据处理与模型训练，显

邮编：050011 电话： （0311） 8669 5100 太原 山西省太原市府西街69号 国际贸易中心西塔1609B 邮编：030002 电话： （0351） 868 9048 呼和浩特 内蒙古自治区呼和浩特市 乌兰察布西路内蒙古饭店10层1022室 邮编：010010 电话： （0471） 620 4133 济南 山东省济南市舜耕路28号 舜耕山庄商务会所5楼 邮编：250014 邮编：710075 电话： （029） 8831 9898 兰州 甘肃省兰州市东岗西路589号 锦江阳光酒店2206室 邮编：730000 电话： （0931） 888 5151 银川 宁夏回族自治区银川市北京东路123号 太阳神大酒店A区1507房间 邮编：750001 电话： （0951） 786 9866 乌鲁木齐 新疆乌鲁木齐市五一路160号 鸿福大饭店贵宾楼918室 邮编：830000

展思路，本书汇聚了国内相关领域资深专家学者对Web 3.0的研 究成果，深入探讨了Web 3.0的定义、经济逻辑、组织治理、金 融变革、商业创新、技术路线、法律合规和政策应对，涵盖 DAO（去中心化自治组织）、DeFi（去中心化金融）、NFT、 GameFi（加密区块链游戏）、SocialFi（社交金融）、X to Earn（代币化项目之一）、元宇宙、创作者经济等诸多主题。 希望本书的出版，能对学界和业界大有裨益。 信息得到更 多保护。可以预见，在Web 3.0时代，类似的隐私保护项目将会越来 越多。 Web 3.0对于组织和治理模式的变革 Web 3.0的兴起可能引发组织和治理模式的重大变革，去中心化 自治组织将成为一种重要的组织形式，在社会和经济治理中发挥更 为重要的作用。 在传统条件下，组织是以一种中心化的形式运作的。这种运行 方式存在着很多问题，例如，其在决策上很难民主化，因而决策的 正确性 一种介于层级式组织和市场之间的网络式组织结构。后来的众筹、 众包、共享经济等模式，在很大程度上就是依据这种构思创建的。 不过，所有这些模式的实现，大多还要依赖一个中心化的平台，因 而并没能实现真正意义上的去中心化和自治。 直到区块链技术的出现，去中心化组织才从设想变成可能。 2013年，EOS（商用分布式设计区块链操作系统）创始人丹尼尔·拉 里默（Daniel Larimer）首先提出了DAO的概念。后来，维塔利克·

时，算力城域网需具备随流检测、高精仿真、网络自愈等智能运维能 力，通过业务流级可视、秒级流量趋势展示、秒级故障感知和逐包故 障定界等技术，实现业务流故障的快速定位与恢复，驱动网络自治等 级从 L3 有条件自治向 L4 高级自治演进。 （8）超高安全能力 算力城域网需要构建多层次的安全防御体系，应对多租户环境下 的数据泄露和横向渗透风险。其核心在于实现租户数据的全流程隔离 与端到端加密传输。算力城域网可基于

管控融合的技术路线呈现从协议互通到智能融合的演进脉络，核 心技术包括协议协同、分层控制、统一模型与 AI 赋能。未来，随着 800G/1.6T 光模块、量子通信与 AI 技术的成熟，管控融合将进一步 向自优化、自治化方向发展，成为支撑算力网络、元宇宙等新兴业务 的关键基础设施。企业与运营商需根据自身需求选择技术路线：基础 互联阶段适合业务稳定的场景；动态协同阶段适用于广域骨干网；智 能融合阶段则需提前布局 “集中式管控 + 分层代理” 两种架构实现跨层资 源统筹调度，且这两种方式已在海内外得到广泛试点与应用；同时， 面对 5G、云计算带来的网络业务激增及光电融合运维的复杂性，AI 技术推动光电协同运维向智能自治升级，形成了包括智能知识引擎、 业务智能下发、智能运维及数据侦察在内的四大发展方向。 3.3.1 光电协同的 SDN 控制 在传统的传输网络架构中，IP 层运维和传输设备运维通常由两个 团队 术的成熟为突破这些瓶颈提供了可能。大模型的自然语言理解、跨域 知识关联能力，以及机器学习的异常检测、自主决策能力，与光电融 合网络的运维需求高度契合，推动运维模式从被动响应向主动预防、 从人工操作向智能自治升级，最终催生了光电协同 AI 运维的发展。 具体体现为以下四大方向： 1. 光电协同智能知识引擎：在光电协同的复杂运维场景中，网 络架构融合了光传输与电信号处理的双重特性，运维难度显著提升。

存在显著差异，若无法统一建模与纳管，将严重制约协同效率。因此， 构建面向多元异构算力资源的适配与纳管机制，是实现算电协同调度 的核心基础[2]。 面向异构算力系统的纳管体系，主要从资源建模、能力抽象、标 准接口和自治控制四个维度进行构建： （1）资源建模与能力抽象：通过构建统一的资源建模框架，对 不同类型算力资源的算力指标（如 FLOPS）、能效比（如 TOPS/W）、 网络延迟、功耗水平等进行标准化表达，形成可调度、可比对的虚拟 OpenAPI、gRPC、ONNX Runtime 等协议的标准化接口体系， 确保多厂商、多系统环境下的资源能力可识别、可调用、可复用。 第九届未来网络发展大会白皮书 算电协同技术白皮书 16 （4）自治控制与边缘纳管：构建“中心+边缘”双层纳管体系， 在边缘节点部署智能代理模块，实现算力资源的状态感知、自主注册、 动态调控与异常恢复，降低系统整体运维复杂度，增强纳管系统的可 扩展性与鲁棒性。 、自组织方向发展。在 此背景下，传统依赖中心化平台的资源交易模式难以满足系统对透明 性、公平性与可追溯性的需求。因此，构建基于区块链的算电资源可 信交易机制，是推动算电协同迈向开放协同与高可信自治的重要路径。 交易机制将算力供应商、电力供应商、任务需求方、调度平台等 多方纳入统一的可信网络中，通过分布式账本技术实现资源状态、价 格、交易等信息的同步共享与共识记录。系统引入智能合约机制，支